刚面完某大厂，HashMap原理、线程池参数、JVM调优……全是老一套。说好的AI时代重实战呢？结果项目一笔带过，八股追着问了半小时。但是现在大厂已经开始转型了——字节、阿里直接扔场景题，考你怎么解决真实业务问题。还在背八股的同学要警惕了，只靠背题入职后连debug都不会，真的会翻车

1.自我介绍2.性能怎么样速度和召回率方面3.双向量检索解决什么问题4.向量索引 欧式距离，余弦，内积的区别5.内积和欧式距离更关注什么6.重排序模型，底层，解决什么问题；就是只用rerank模型进行排序可以吗7.有哪些智能体，ppt智能体8.内容结构的生成，样式是自己实现的吗9.模板是提示词筛选的吗，还是说其他条件筛选的10.rag时候长文档切分策略，怎么解决语义断裂11.有没有用过附属索引，检索的时候，召回的时候不是召回子块，而是召回的子块的父块；有用过吗12.MCP理解，对于传统的优势；比传统的function call优势答得不好13.怎么降低幻觉14.skill概念15.什么是随机采样，在推理加速这块16.rag系统评估指标17.ai coding面试官：12年前某个晚上参加阿里的校招，一个轮回了；ai coding有很多变化你觉得ai coding有哪些需要注意反问ai渗透率，路径规划有一些方向吗；LBS相关部门

发一下问题给大家参考，攒攒人品！1.实习拷打2.项目拷打八股：1.mysql回表2.缓存一致性3.mq事务、分布式事务4.线上报错排查5.布隆过滤器准确率优化6.分布式缓存热key问题7.AI Coding：AI自动提交周报

1、自我介绍2、项目：a.讲一个最熟悉的 Agent/RAG 项目b.项目中数据处理的难点 & 怎么解决的3、技术基础：a.大模型基础：Transformer 架构、注意力机制原理b. Agent 核心概念：规划、工具调用、记忆模块、反思机制c. RAG 全流程：文档清洗、切片策略、向量化模型、检索召回、重排序d. 向量数据库：FAISS/Milvus 原理、索引类型、性能优化e. 数据标注规范：怎么保证标注质量、数据清洗方法4、算法：a.数据召回率、精确率评估，怎么优化召回效果b.如何处理 Agent 工具调用的错误数据（数据校验、异常兜底）5、AI 业务理解：怎么提升 Agent 的回复准确性； 如何构建高质量的 Agent 训练 / 微调数据；对 MiniMax Agent 产品的理解 & 优化建议。